CNN

關(guān)注人關(guān)注

我要報(bào)錯(cuò)

通俗易懂講解什么是卷積

在深度學(xué)習(xí)和計(jì)算機(jī)視覺(jué)領(lǐng)域，我們常常會(huì)聽(tīng)到一個(gè)詞匯：卷積。那么，卷積到底是什么?如何通俗易懂地解釋它?本文將為大家詳細(xì)解析卷積的概念、原理和應(yīng)用。

技術(shù)前線
2024-08-01

卷積 CNN
將CNN硬件加速器集成進(jìn)通用MCU，ADI的MAX78000和MAX78002實(shí)現(xiàn)高能效邊緣AI應(yīng)用

邊緣AI落地，需要滿足端側(cè)的功耗要求。因此內(nèi)置硬件CNN進(jìn)行專(zhuān)門(mén)的AI運(yùn)算，成為了AI MCU的最佳選擇。

劉巖軒
2023-01-12

MCU AI ADI ML CNN
人臉表情識(shí)別算法綜述

摘要：人臉表情識(shí)別因其廣泛的應(yīng)用領(lǐng)域與良好的發(fā)展前景，成為計(jì)算機(jī)視覺(jué)領(lǐng)域的一個(gè)研究熱點(diǎn)。文中綜合論述了表情識(shí)別的研究狀況與各類(lèi)算法，并對(duì)其中的特征提取算法與表情分類(lèi)算法進(jìn)行了簡(jiǎn)單描述。常規(guī)的特征提取算法有基于幾何特征的提取方法、基于整體統(tǒng)計(jì)特征的提取方法、基于頻率特征率的提取方法和基于運(yùn)動(dòng)特征的提取方法。常規(guī)的表情分類(lèi)算法則從基于傳統(tǒng)機(jī)器學(xué)習(xí)與深度學(xué)習(xí)兩個(gè)角度進(jìn)行介紹。

《物聯(lián)網(wǎng)技術(shù)》雜志
2021-10-21

特征提取表情識(shí)別表情分類(lèi) SVM HMM CNN
CNN結(jié)構(gòu)演化進(jìn)程

演化脈絡(luò) 下圖所示CNN結(jié)構(gòu)演化的歷史，起點(diǎn)是神經(jīng)認(rèn)知機(jī)模型，已經(jīng)出現(xiàn)了卷積結(jié)構(gòu)，但是第一個(gè)CNN模型誕生于1989年，1998年誕生了LeNet。隨著ReLU和dropout的提出，以

人工智能AI
2020-08-06

cnn
卷積神經(jīng)網(wǎng)絡(luò)(CNN)的簡(jiǎn)單介紹及代碼實(shí)現(xiàn)

卷積神經(jīng)網(wǎng)絡(luò)(CNN)的基礎(chǔ)介紹見(jiàn) ，這里主要以代碼實(shí)現(xiàn)為主。 CNN是一個(gè)多層的神經(jīng)網(wǎng)絡(luò)，每層由多個(gè)二維平面組成，而每個(gè)平面由多個(gè)獨(dú)立神經(jīng)元組成。以MNIST作為數(shù)據(jù)庫(kù)，仿照

人工智能AI
2020-08-06

cnn
CNN模型思路、加速算法設(shè)計(jì)及其實(shí)驗(yàn)樣例

自從AlexNet一舉奪得ILSVRC 2012 ImageNet圖像分類(lèi)競(jìng)賽的冠軍后，卷積神經(jīng)網(wǎng)絡(luò)（CNN）的熱潮便席卷了整個(gè)計(jì)算機(jī)視覺(jué)領(lǐng)域。CNN模型火速替代了傳統(tǒng)人工設(shè)計(jì)（hand-cra

人工智能AI
2020-08-06

計(jì)算機(jī)視覺(jué) cnn
NLP中CNN模型常見(jiàn)的Pooling操作方法及其典型網(wǎng)絡(luò)結(jié)構(gòu)

CNN是目前自然語(yǔ)言處理中和RNN并駕齊驅(qū)的兩種最常見(jiàn)的深度學(xué)習(xí)模型。圖1展示了在NLP任務(wù)中使用CNN模型的典型網(wǎng)絡(luò)結(jié)構(gòu)。一般而言，輸入的字或者詞用Word Embedding的方式表達(dá)，這樣

人工智能AI
2020-08-06

nlp cnn
神奇GIF動(dòng)畫(huà)讓你秒懂各種深度學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)操作原理

嚴(yán)格來(lái)說(shuō)不是在講Python而是講在Python下使用OpenCV。本篇將介紹和深度學(xué)習(xí)數(shù)據(jù)處理階段最相關(guān)的基礎(chǔ)使用，并完成4個(gè)有趣實(shí)用的小例子： - 延時(shí)攝影小程序 - 視頻中截屏

人工智能AI
2020-08-06

cnn
用卷積神經(jīng)網(wǎng)絡(luò)檢測(cè)臉部關(guān)鍵點(diǎn)之訓(xùn)練專(zhuān)項(xiàng)網(wǎng)絡(luò)教程

訓(xùn)練專(zhuān)項(xiàng)網(wǎng)絡(luò) 還記得我們?cè)陂_(kāi)始時(shí)丟棄的70％的培訓(xùn)數(shù)據(jù)嗎？結(jié)果表明，如果我們想在Kaggle排行榜上獲得一個(gè)有競(jìng)爭(zhēng)力的得分，這是一個(gè)很糟糕的主意。在70％的數(shù)據(jù)和挑戰(zhàn)的測(cè)試集中，我們的模

人工智能AI
2020-08-06

網(wǎng)絡(luò)技術(shù) cnn
卷積神經(jīng)網(wǎng)絡(luò)檢測(cè)臉部關(guān)鍵點(diǎn)的教程之卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練與數(shù)據(jù)擴(kuò)充

上一次我們用了單隱層的神經(jīng)網(wǎng)絡(luò)，效果還可以改善，這一次就使用CNN。卷積神經(jīng)網(wǎng)絡(luò) 上圖演示了卷積操作 LeNet-5式的卷積神經(jīng)網(wǎng)絡(luò)，是計(jì)算機(jī)視覺(jué)領(lǐng)域近期取得

人工智能AI
2020-08-06

cnn
卷積神經(jīng)網(wǎng)絡(luò)檢測(cè)臉部關(guān)鍵點(diǎn)的教程之兩個(gè)重要參數(shù)：學(xué)習(xí)率，學(xué)習(xí)動(dòng)量

Pybrain號(hào)稱(chēng)最好用的Python神經(jīng)網(wǎng)絡(luò)庫(kù)。其實(shí)Scikit-Learn號(hào)稱(chēng)Python上最好用的機(jī)器學(xué)習(xí)庫(kù)，但是它偏偏就沒(méi)有神經(jīng)網(wǎng)絡(luò)這塊，所以就與我無(wú)緣了。之前也看過(guò)一些提到N

人工智能AI
2020-08-06

深度學(xué)習(xí) cnn
基于nolear建立的ConvNet體系結(jié)構(gòu)并用它去訓(xùn)練一個(gè)特征提取器

摘要：本文展示了如何基于nolearn使用一些卷積層和池化層來(lái)建立一個(gè)簡(jiǎn)單的ConvNet體系結(jié)構(gòu)，以及如何使用ConvNet去訓(xùn)練一個(gè)特征提取器，然后在使用如SVM、LogisTIc回歸等不同

人工智能AI
2020-08-06

python cnn
由Python算法編程來(lái)實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)理論

一、多層前向神經(jīng)網(wǎng)絡(luò) 多層前向神經(jīng)網(wǎng)絡(luò)由三部分組成：輸出層、隱藏層、輸出層，每層由單元組成；輸入層由訓(xùn)練集的實(shí)例特征向量傳入，經(jīng)過(guò)連接結(jié)點(diǎn)的權(quán)重傳入下一層，前一層的輸出是下一層的輸

人工智能AI
2020-08-06

python cnn
卷積神經(jīng)網(wǎng)絡(luò)（CNN）在無(wú)人駕駛中應(yīng)用的3D感知與物體檢測(cè)

無(wú)人駕駛的感知部分作為計(jì)算機(jī)視覺(jué)的領(lǐng)域范圍，也不可避免地成為CNN發(fā)揮作用的舞臺(tái)。本文是無(wú)人駕駛技術(shù)系列的第八篇，深入介紹CNN（卷積神經(jīng)網(wǎng)絡(luò)）在無(wú)人駕駛3D感知與物體檢測(cè)中的應(yīng)用。 C

機(jī)器視覺(jué)
2020-08-06

FPGA cnn
基于IoT設(shè)備的CNN推理機(jī)實(shí)現(xiàn)深度學(xué)習(xí)方案

通過(guò)深度學(xué)習(xí)技術(shù)，物聯(lián)網(wǎng)（IoT）設(shè)備能夠得以解析非結(jié)構(gòu)化的多媒體數(shù)據(jù)，智能地響應(yīng)用戶(hù)和環(huán)境事件，但是卻伴隨著苛刻的性能和功耗要求。本文作者探討了兩種方式以便將深度學(xué)習(xí)和低功耗的物聯(lián)網(wǎng)設(shè)備成功整

人工智能AI
2020-08-05

IoT 深度學(xué)習(xí) cnn
適用于自動(dòng)駕駛的神經(jīng)網(wǎng)絡(luò)解決方案及學(xué)習(xí)方法

CEVA 汽車(chē)市場(chǎng)營(yíng)銷(xiāo)主管 Jeff VanWashenova 高級(jí)輔助駕駛系統(tǒng) (ADAS) 可提供解決方案，用以滿足駕乘人員對(duì)道路安全及出行體驗(yàn)的更高要求。諸如車(chē)道偏離警告、自動(dòng)剎車(chē)

汽車(chē)電子技術(shù)文庫(kù)
2020-07-30

自動(dòng)駕駛 adas cnn
泓觀科技發(fā)布首款異步卷積神經(jīng)網(wǎng)絡(luò)芯片

1.瑞薩否認(rèn)將以200億美元收購(gòu)美信稍早，CNBC報(bào)道瑞薩電子正在洽談收購(gòu)美國(guó)芯片制造商美信集成Maxim Integrated, 收購(gòu)價(jià)格接近200億美元。今日彭博社報(bào)道

人工智能AI
2020-07-29

芯片 cnn
深度學(xué)習(xí)遇上物理學(xué),更好地識(shí)別粒子和分析數(shù)據(jù)

當(dāng)你向Facebook上傳了一張你朋友的照片后，這張照片就進(jìn)入了一個(gè)復(fù)雜的幕后處理過(guò)程。算法迅速行動(dòng)并分析照片的每一個(gè)像素，直到將朋友的名字和這張照片匹配起來(lái)。這類(lèi)型的前沿技術(shù)也被用在了自動(dòng)駕駛

人工智能AI
2020-07-17

facebook 神經(jīng)網(wǎng)絡(luò) 深度學(xué)習(xí) cnn
深度學(xué)習(xí)：卷積神經(jīng)網(wǎng)絡(luò)在每一層提取到的特征以及訓(xùn)練的過(guò)程

前面幾篇文章講到了卷積神經(jīng)網(wǎng)絡(luò)CNN，但是對(duì)于它在每一層提取到的特征以及訓(xùn)練的過(guò)程可能還是不太明白，所以這節(jié)主要通過(guò)模型的可視化來(lái)神經(jīng)網(wǎng)絡(luò)在每一層中是如何訓(xùn)練的。我們知道，神經(jīng)網(wǎng)絡(luò)本身包含了一系

人工智能AI
2020-07-17

深度學(xué)習(xí) cnn 卷積神經(jīng)網(wǎng)絡(luò)
知識(shí)普及：卷積神經(jīng)網(wǎng)絡(luò)模型是怎樣工作的？可以做些什么？

在走進(jìn)深度學(xué)習(xí)的過(guò)程中，最吸引作者的是一些用于給對(duì)象分類(lèi)的模型。最新的科研結(jié)果表示，這類(lèi)模型已經(jīng)可以在實(shí)時(shí)視頻中對(duì)多個(gè)對(duì)象進(jìn)行檢測(cè)。而這就要?dú)w功于計(jì)算機(jī)視覺(jué)領(lǐng)域最新的技術(shù)革新。眾所周知

人工智能AI
2020-07-03

深度學(xué)習(xí) cnn

首頁(yè) 上一頁(yè) 1 2 下一頁(yè) 尾頁(yè)

CNN

通俗易懂講解什么是卷積

將CNN硬件加速器集成進(jìn)通用MCU，ADI的MAX78000和MAX78002實(shí)現(xiàn)高能效邊緣AI應(yīng)用

人臉表情識(shí)別算法綜述

CNN結(jié)構(gòu)演化進(jìn)程

卷積神經(jīng)網(wǎng)絡(luò)(CNN)的簡(jiǎn)單介紹及代碼實(shí)現(xiàn)

CNN模型思路、加速算法設(shè)計(jì)及其實(shí)驗(yàn)樣例

NLP中CNN模型常見(jiàn)的Pooling操作方法及其典型網(wǎng)絡(luò)結(jié)構(gòu)

神奇GIF動(dòng)畫(huà)讓你秒懂各種深度學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)操作原理

用卷積神經(jīng)網(wǎng)絡(luò)檢測(cè)臉部關(guān)鍵點(diǎn)之訓(xùn)練專(zhuān)項(xiàng)網(wǎng)絡(luò)教程

卷積神經(jīng)網(wǎng)絡(luò)檢測(cè)臉部關(guān)鍵點(diǎn)的教程之卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練與數(shù)據(jù)擴(kuò)充

卷積神經(jīng)網(wǎng)絡(luò)檢測(cè)臉部關(guān)鍵點(diǎn)的教程之兩個(gè)重要參數(shù)：學(xué)習(xí)率，學(xué)習(xí)動(dòng)量

基于nolear建立的ConvNet體系結(jié)構(gòu)并用它去訓(xùn)練一個(gè)特征提取器

由Python算法編程來(lái)實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)理論

卷積神經(jīng)網(wǎng)絡(luò)（CNN）在無(wú)人駕駛中應(yīng)用的3D感知與物體檢測(cè)

基于IoT設(shè)備的CNN推理機(jī)實(shí)現(xiàn)深度學(xué)習(xí)方案

適用于自動(dòng)駕駛的神經(jīng)網(wǎng)絡(luò)解決方案及學(xué)習(xí)方法

泓觀科技發(fā)布首款異步卷積神經(jīng)網(wǎng)絡(luò)芯片

深度學(xué)習(xí)遇上物理學(xué),更好地識(shí)別粒子和分析數(shù)據(jù)

深度學(xué)習(xí)：卷積神經(jīng)網(wǎng)絡(luò)在每一層提取到的特征以及訓(xùn)練的過(guò)程

知識(shí)普及：卷積神經(jīng)網(wǎng)絡(luò)模型是怎樣工作的？可以做些什么？

相關(guān)標(biāo)簽

關(guān)注此標(biāo)簽的用戶(hù)(人)

熱門(mén)活動(dòng)

課程視頻